R语言dplyr mutate()操作中如何访问其他行匹配取值

现有R语言tibble格式数据集ipTraceSummary2，共11839行6个字段，样例结构如下：

> ipTraceSummary2
# A tibble: 11,839 × 6
   DstPo Protocol IntervalStart     n intervalLength  rate
   <int> <chr>    <chr>         <int>          <dbl> <dbl>
 1    23 TCP      15:31:00          7           10   0.7  
 2    23 TCP      15:31:10          4           10   0.4  
 3    23 TCP      15:31:20          5           10   0.5  
 4    23 TCP      15:31:30          3           10   0.3  
 5    23 TCP      15:31:40          5           10   0.5  
 6    23 TCP      15:31:50          4           10   0.4  
 7    23 TCP      Post             26           39.5 0.658
 8    23 TCP      Pre              37           60.0 0.617
 9    23 TELNET   15:31:00          6           10   0.6  
10    23 TELNET   15:31:10          4           10   0.4  
# … with 11,829 more rows

需求是为数据集新增baseline列，列值规则：和当前行DstPo、Protocol字段值完全匹配，且IntervalStart值为"Pre"的行对应的rate字段值。

最初尝试的实现代码如下：

ipTraceSummary2 %>%
  mutate( baseline = pull((ipTraceSummary2 %>% filter(`DstPo` == DstPo, `Protocol` == Protocol, `IntervalStart` == "Pre"))[1,"rate"]) )

运行后出现问题：baseline列全部填充为整个数据集中第一个IntervalStart="Pre"行的rate值，没有按照当前行的DstPo、Protocol字段做条件筛选。

嵌套在mutate里的filter是直接对全局原始数据集ipTraceSummary2做操作，判断条件DstPo == DstPo、Protocol == Protocol本质是列和自身比较，永远返回真，根本没有引用mutate计算过程中当前行的字段值，所以最终永远返回整个表第一个匹配IntervalStart == "Pre"的行值，所有行结果一致。

不要在mutate里嵌套对全表的filter操作，用分组匹配或者表连接的方式实现，性能更好逻辑也更清晰：

• 方法1：左连接匹配（推荐，万行以上数据性能最优）
  先单独提取所有DstPo+Protocol组合对应的Pre基准值，再通过左连接把基准值匹配回原表，不需要逐行计算：

  library(dplyr)
  # 提取基准值表
  baseline_ref <- ipTraceSummary2 %>%
    filter(IntervalStart == "Pre") %>%
    select(DstPo, Protocol, baseline = rate)
  # 连接回原表
  result <- ipTraceSummary2 %>%
    left_join(baseline_ref, by = c("DstPo", "Protocol"))
  

• 方法2：分组内计算（适合管道内连续操作，不需要中间表）
  按DstPo、Protocol分组后，直接在组内取Pre对应的rate值即可：

  result <- ipTraceSummary2 %>%
    group_by(DstPo, Protocol) %>%
    mutate(baseline = rate[IntervalStart == "Pre"][1]) %>%
    ungroup()
  

提示：如果某个DstPo+Protocol组合不存在IntervalStart="Pre"的行，对应baseline值会自动填充为NA，符合缺失值逻辑。

内容的提问来源于stack exchange，提问作者Ian